ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Autres revues >>

Document Numérique

1279-5127
 

 ARTICLE VOL 15/1 - 2012  - pp.79-99  - doi:10.3166/dn.15.1.79-99
TITRE
Apprentissage automatique de la propagation des étiquettes dans les réseaux sociaux multirelationnels

TITLE
Automatic learning of label propagation in multi-relationnal social networks

RÉSUMÉ

Nous considérons le problème consistant à apprendre à annoter des documents avec des concepts ou des mots clefs dans des réseaux d’information avec contenu, où les
documents peuvent partager plusieurs types de relation. Ces concepts associés au document dépendent à la fois de son contenu et de ses voisins dans le graphe à travers les différentes relations. Nous formalisons ce problème comme de la classification multiétiquette dans un multigraphe, les noeuds étant les documents et les arcs représentant les différentes relations. Nous introduisons une nouvelle méthode d’étiquetage des noeuds qui exploite à la fois le contenu et la structure multirelationnelle du graphe. L’algorithme apprend également à pondérer les différents types de relations selon leur importance pour la tâche d’annotation. Les expériences sur les différents corpora correspondent à différentes tâches d’annotation sur des articles scientifiques, des emails et des images de Flickr et montrent que le modèle est capable de tirer parti de l’information relationnelle riche.



ABSTRACT

Nous considérons le problème consistant à apprendre à annoter des documents avec des concepts ou des mots clefs dans des réseaux d’information avec contenu, où les documents peuvent partager plusieurs types de relation. Ces concepts associés au document dépendent à la fois de son contenu et de ses voisins dans le graphe à travers les différentes relations. Nous formalisons ce problème comme de la classification multiétiquette dans un multigraphe, les noeuds étant les documents et les arcs représentant les différentes relations. Nous introduisons une nouvelle méthode d’étiquetage des noeuds qui exploite à la fois le contenu et la structure multirelationnelle du graphe. L’algorithme apprend également à pondérer les différents types de relations selon leur importance pour la tâche d’annotation. Les expériences sur les différents corpora correspondent à différentes tâches d’annotation sur des articles scientifiques, des emails et des images de Flickr et montrent que le modèle est capable de tirer parti de l’information relationnelle riche.



AUTEUR(S)
Yann JACOB, Ludovic DENOYER, Patrick GALLINARI

MOTS-CLÉS
classification automatique, graphe multirelationnel, réseaux sociaux.

KEYWORDS
automatic classification, multirelational graph, social network.

LANGUE DE L'ARTICLE
Français

 PRIX
GRATUIT
   
ACCÉDER A L'ARTICLE COMPLET  (1,9 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier